211service.com
Un chip de inteligencia artificial para ayudar a las computadoras a comprender las imágenes
Un poderoso enfoque de la inteligencia artificial podría llegar a los teléfonos inteligentes.
Investigadores de la Universidad de Purdue están trabajando para comercializar diseños de un chip para ayudar a los procesadores móviles a hacer uso del método de inteligencia artificial conocido como aprendizaje profundo. Aunque el poder del aprendizaje profundo ha inspirado a empresas como Google, Facebook y Baidu a invertir en la tecnología, hasta ahora se ha limitado a grandes grupos de computadoras de alta potencia. Cuando Google desarrolló un software que aprendió a reconocer gatos a partir de videos de YouTube, el experimento requirió 16,000 procesadores (ver Software autodidacta).
Ser capaz de implementar el aprendizaje profundo de formas más compactas y energéticamente eficientes podría llevar a teléfonos inteligentes y otros dispositivos móviles que puedan comprender el contenido de imágenes y videos, dice Eugenio Culurciello , profesor de Purdue que trabaja en el proyecto. En diciembre, en el Conferencia sobre sistemas de procesamiento de información neuronal en Nevada, el grupo demostró que un coprocesador conectado a un procesador de teléfono inteligente convencional podría ayudarlo a ejecutar software de aprendizaje profundo. El software pudo detectar rostros o etiquetar partes de una escena callejera. El diseño del coprocesador se probó en un FPGA, un chip reconfigurable que se puede programar para probar un nuevo diseño de hardware sin el gasto considerable de fabricar un chip completamente nuevo.
El prototipo es mucho menos poderoso que sistemas como el detector de gatos de Google, pero muestra cómo las nuevas formas de hardware podrían hacer posible utilizar el poder del aprendizaje profundo de manera más amplia. Hay una necesidad para esto, dice Culurciello. Probablemente tengas una colección de varios miles de imágenes que nunca vuelvas a mirar y no tenemos una buena tecnología para analizar todo este contenido.
Los dispositivos como Google Glass también podrían beneficiarse de la capacidad de comprender las abundantes imágenes y videos que están capturando, dice. Las imágenes y los videos de una persona se pueden buscar mediante texto, por ejemplo, un auto rojo o un día soleado con mamá. Asimismo, se podrían desarrollar aplicaciones novedosas que actúen cuando reconozcan personas, objetos o escenas particulares.
El software de aprendizaje profundo funciona filtrando datos a través de una red jerárquica de múltiples capas de neuronas simuladas que son individualmente simples pero que pueden exhibir un comportamiento complejo cuando se vinculan entre sí (consulte Aprendizaje profundo). Las computadoras son ineficientes en el funcionamiento de esas redes porque son muy diferentes del software convencional.
El diseño del coprocesador de Purdue está especializado para ejecutar redes neuronales multicapa por encima de todo y para ponerlas a trabajar en la transmisión de imágenes. En las pruebas, el prototipo ha demostrado ser unas 15 veces más eficiente que usar un procesador de gráficos para la misma tarea, y Culurciello cree que las mejoras al sistema podrían hacerlo 10 veces más eficiente de lo que es ahora.
Narayan Srinivasa , director del centro de sistemas neuronales y emergentes de HRL Laboratories, un laboratorio de investigación de propiedad conjunta de Boeing y General Motors, dice que tiene sentido usar un coprocesador para ayudar a implementar redes de aprendizaje profundo de manera más eficiente. Eso se debe a que en las computadoras convencionales, un procesador y su memoria residen en trozos separados de hardware. Por el contrario, las operaciones de las redes neuronales de estilo de aprendizaje profundo y las redes neuronales reales se inspiran en la memoria y el procesamiento entrelazados. La propia investigación de Narayan se centra en abordar ese problema con una solución más extrema: diseñar chips con neuronas de silicio y sinapsis que imiten a los de los cerebros reales (ver Pensar en silicio).
La solución del grupo Purdue no representa un replanteamiento tan fundamental de cómo funcionan los chips de computadora. Eso puede limitar la eficiencia con la que sus diseños pueden ejecutar redes neuronales de aprendizaje profundo, pero también facilitar su uso en el mundo real. Culurciello ya ha puesto en marcha una empresa, llamada TeraDeep , para comercializar sus diseños.
La idea es que vendamos la IP para implementar esto para que un gran fabricante como Qualcomm o Samsung o Apple puedan agregar esta funcionalidad a su procesador para que puedan procesar imágenes, dice Culurciello. Yann LeCun , un pionero del aprendizaje profundo en la Universidad de Nueva York que recientemente comenzó liderando la investigación de Facebook en el área , es asesor de la empresa.